## [1] "Informació sobre les variables : State(character) i Customer.Lifetime.Value(numeric)"

##    Arizona California     Nevada     Oregon Washington 
##   7974.180   7974.165   7660.736   8182.424   7988.036 
## [1] "Informació sobre les variables : State(character) i Response(character)"

##             v2
## v1             No  Yes
##   Arizona    1127  190
##   California 1628  281
##   Nevada      593   98
##   Oregon     1653  289
##   Washington  535   85
## [1] "El test de chi^2 entre State i Response val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.65902, df = 4, p-value = 0.9563
## 
## [1] "Informació sobre les variables : State(character) i Coverage(character)"

##             v2
## v1           Basic Extended Premium
##   Arizona      792      417     108
##   California  1145      590     174
##   Nevada       410      207      74
##   Oregon      1191      565     186
##   Washington   382      179      59
## [1] "El test de chi^2 entre State i Coverage val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 6.481, df = 8, p-value = 0.5935
## 
## [1] "Informació sobre les variables : State(character) i Education(character)"

##             v2
## v1           Bachelor College Doctor High School or Below Master
##   Arizona         407     389     51                  366    104
##   California      579     570     64                  546    150
##   Nevada          198     192     23                  210     68
##   Oregon          589     568     73                  553    159
##   Washington      173     171     26                  195     55
## [1] "El test de chi^2 entre State i Education val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 10.214, df = 16, p-value = 0.8552
## 
## [1] "Informació sobre les variables : State(character) i EmploymentStatus(character)"

##             v2
## v1           Disabled Employed Medical Leave Retired Unemployed
##   Arizona          57      827            60      38        335
##   California       74     1191            92      61        491
##   Nevada           31      430            36      18        176
##   Oregon           93     1218            82      57        492
##   Washington       27      386            30      15        162
## [1] "El test de chi^2 entre State i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 4.7606, df = 16, p-value = 0.9968
## 
## [1] "Informació sobre les variables : State(character) i Gender(character)"

##             v2
## v1              F    M
##   Arizona     688  629
##   California  977  932
##   Nevada      350  341
##   Oregon     1007  935
##   Washington  324  296
## [1] "El test de chi^2 entre State i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.75339, df = 4, p-value = 0.9446
## 
## [1] "Informació sobre les variables : State(character) i Income(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   37478.13   37547.24   38234.86   37554.69   38039.85 
## [1] "Informació sobre les variables : State(character) i Location.Code(character)"

##             v2
## v1           Rural Suburban Urban
##   Arizona      250      823   244
##   California   378     1205   326
##   Nevada       136      438   117
##   Oregon       390     1231   321
##   Washington   114      392   114
## [1] "El test de chi^2 entre State i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 3.4478, df = 8, p-value = 0.9032
## 
## [1] "Informació sobre les variables : State(character) i Marital.Status(character)"

##             v2
## v1           Divorced Married Single
##   Arizona         209     783    325
##   California      292    1117    500
##   Nevada          108     388    195
##   Oregon          303    1113    526
##   Washington       90     344    186
## [1] "El test de chi^2 entre State i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 7.7707, df = 8, p-value = 0.4562
## 
## [1] "Informació sobre les variables : State(character) i Monthly.Premium.Auto(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   92.00911   93.74280   93.76700   94.14418   92.72097 
## [1] "Informació sobre les variables : State(character) i Months.Since.Last.Claim(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   15.17312   15.05029   15.38205   14.83265   15.82258 
## [1] "Informació sobre les variables : State(character) i Months.Since.Policy.Inception(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   48.32422   47.55107   47.84226   48.55252   49.62581 
## [1] "Informació sobre les variables : State(character) i Number.of.Policies(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   3.033409   2.920901   2.767004   2.958290   2.938710 
## [1] "Informació sobre les variables : State(character) i Policy.Type(character)"

##             v2
## v1           Corporate Auto Personal Auto Special Auto
##   Arizona               252          1010           55
##   California            408          1413           88
##   Nevada                158           501           32
##   Oregon                412          1443           87
##   Washington            122           476           22
## [1] "El test de chi^2 entre State i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 7.1178, df = 8, p-value = 0.524
## 
## [1] "Informació sobre les variables : State(character) i Total.Claim.Amount(numeric)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : State(character) i Vehicle.Class(character)"

##             v2
## v1           Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
##   Arizona              697         20         24         72 248          256
##   California           969         31         40        108 381          380
##   Nevada               344         14         12         44 127          150
##   Oregon               948         31         49        105 399          410
##   Washington           312         15         10         23 119          141
## [1] "El test de chi^2 entre State i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 18.738, df = 20, p-value = 0.5389
## 
## [1] "Informació sobre les variables : State(character) i Vehicle.Size(character)"

##             v2
## v1           Large Medsize Small
##   Arizona      134     935   248
##   California   192    1359   358
##   Nevada        77     452   162
##   Oregon       201    1350   391
##   Washington    67     449   104
## [1] "El test de chi^2 entre State i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 13.073, df = 8, p-value = 0.1094
## 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Response(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Coverage(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Education(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i EmploymentStatus(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Gender(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Income(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Income és de: 0.0321788043425394"
## [1] "La covariancia entre Customer.Lifetime.Value i Income és de: 6698608.78355915"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Location.Code(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Marital.Status(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Monthly.Premium.Auto(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 0.395693861069249"
## [1] "La covariancia entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 93376.5187845385"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 0.0229780588447161"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 1592.97480364601"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 0.0126351384708183"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 2407.21529593476"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Number.of.Policies(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Number.of.Policies és de: 0.0262413069036642"
## [1] "La covariancia entre Customer.Lifetime.Value i Number.of.Policies és de: 426.261826407137"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Policy.Type(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Customer.Lifetime.Value i Total.Claim.Amount és de: 0.217797946628158"
## [1] "La covariancia entre Customer.Lifetime.Value i Total.Claim.Amount és de: 430266.439269197"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Class(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Size(character)"

##    Arizona California     Nevada     Oregon Washington 
##   420.3607   435.9309   443.1200   435.5970   440.2370 
## [1] "Informació sobre les variables : Response(character) i Coverage(character)"

##      v2
## v1    Basic Extended Premium
##   No   3339     1681     516
##   Yes   581      277      85
## [1] "El test de chi^2 entre Response i Coverage val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.56771, df = 2, p-value = 0.7529
## 
## [1] "Informació sobre les variables : Response(character) i Education(character)"

##      v2
## v1    Bachelor College Doctor High School or Below Master
##   No      1664    1604    196                 1624    448
##   Yes      282     286     41                  246     88
## [1] "El test de chi^2 entre Response i Education val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 6.3909, df = 4, p-value = 0.1718
## 
## [1] "Informació sobre les variables : Response(character) i EmploymentStatus(character)"

##      v2
## v1    Disabled Employed Medical Leave Retired Unemployed
##   No       225     3506           242      55       1508
##   Yes       57      546            58     134        148
## [1] "El test de chi^2 entre Response i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 541.06, df = 4, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Response(character) i Gender(character)"

##      v2
## v1       F    M
##   No  2861 2675
##   Yes  485  458
## [1] "El test de chi^2 entre Response i Gender val: "
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  v1 and v2
## X-squared = 0.011193, df = 1, p-value = 0.9157
## 
## [1] "Informació sobre les variables : Response(character) i Income(integer)"

##       No      Yes 
## 37532.81 38378.50 
## [1] "Informació sobre les variables : Response(character) i Location.Code(character)"

##      v2
## v1    Rural Suburban Urban
##   No   1155     3357  1024
##   Yes   113      732    98
## [1] "El test de chi^2 entre Response i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 99.863, df = 2, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Response(character) i Marital.Status(character)"

##      v2
## v1    Divorced Married Single
##   No       770    3243   1523
##   Yes      232     502    209
## [1] "El test de chi^2 entre Response i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 72.179, df = 2, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Response(character) i Monthly.Premium.Auto(integer)"

##       No      Yes 
## 93.26409 94.30435 
## [1] "Informació sobre les variables : Response(character) i Months.Since.Last.Claim(integer)"

##       No      Yes 
## 15.22435 14.50265 
## [1] "Informació sobre les variables : Response(character) i Months.Since.Policy.Inception(integer)"

##       No      Yes 
## 48.44184 47.04136 
## [1] "Informació sobre les variables : Response(character) i Number.of.Policies(integer)"

##       No      Yes 
## 2.960983 2.818664 
## [1] "Informació sobre les variables : Response(character) i Policy.Type(character)"

##      v2
## v1    Corporate Auto Personal Auto Special Auto
##   No            1147          4154          235
##   Yes            205           689           49
## [1] "El test de chi^2 entre Response i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 2.4841, df = 2, p-value = 0.2888
## 
## [1] "Informació sobre les variables : Response(character) i Total.Claim.Amount(numeric)"

##       No      Yes 
## 430.7290 452.1353 
## [1] "Informació sobre les variables : Response(character) i Vehicle.Class(character)"

##      v2
## v1    Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   No           2814        103        111        289 1064         1155
##   Yes           456          8         24         63  210          182
## [1] "El test de chi^2 entre Response i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 14.852, df = 5, p-value = 0.01101
## 
## [1] "Informació sobre les variables : Response(character) i Vehicle.Size(character)"

##      v2
## v1    Large Medsize Small
##   No    548    3875  1113
##   Yes   123     670   150
## [1] "El test de chi^2 entre Response i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 15.106, df = 2, p-value = 0.0005246
## 
## [1] "Informació sobre les variables : Coverage(character) i Education(character)"

##           v2
## v1         Bachelor College Doctor High School or Below Master
##   Basic        1217    1149    130                 1100    324
##   Extended      549     571     92                  580    166
##   Premium       180     170     15                  190     46
## [1] "El test de chi^2 entre Coverage i Education val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 16.606, df = 8, p-value = 0.03449
## 
## [1] "Informació sobre les variables : Coverage(character) i EmploymentStatus(character)"

##           v2
## v1         Disabled Employed Medical Leave Retired Unemployed
##   Basic         183     2443           190     118        986
##   Extended       72     1221            84      62        519
##   Premium        27      388            26       9        151
## [1] "El test de chi^2 entre Coverage i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 10.087, df = 8, p-value = 0.259
## 
## [1] "Informació sobre les variables : Coverage(character) i Gender(character)"

##           v2
## v1            F    M
##   Basic    2005 1915
##   Extended 1026  932
##   Premium   315  286
## [1] "El test de chi^2 entre Coverage i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.97702, df = 2, p-value = 0.6135
## 
## [1] "Informació sobre les variables : Coverage(character) i Income(integer)"

##    Basic Extended  Premium 
## 38064.94 36496.78 38764.29 
## [1] "Informació sobre les variables : Coverage(character) i Location.Code(character)"

##           v2
## v1         Rural Suburban Urban
##   Basic      790     2419   711
##   Extended   378     1244   336
##   Premium    100      426    75
## [1] "El test de chi^2 entre Coverage i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 20.091, df = 4, p-value = 0.0004792
## 
## [1] "Informació sobre les variables : Coverage(character) i Marital.Status(character)"

##           v2
## v1         Divorced Married Single
##   Basic         610    2263   1047
##   Extended      301    1133    524
##   Premium        91     349    161
## [1] "El test de chi^2 entre Coverage i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.089424, df = 4, p-value = 0.999
## 
## [1] "Informació sobre les variables : Coverage(character) i Monthly.Premium.Auto(integer)"

##    Basic Extended  Premium 
##  82.1574 103.8846 132.7388 
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Last.Claim(integer)"

##    Basic Extended  Premium 
## 14.90510 15.37487 15.68386 
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Policy.Inception(integer)"

##    Basic Extended  Premium 
## 48.25051 47.81512 49.53411 
## [1] "Informació sobre les variables : Coverage(character) i Number.of.Policies(integer)"

##    Basic Extended  Premium 
## 2.950510 2.959142 2.811980 
## [1] "Informació sobre les variables : Coverage(character) i Policy.Type(character)"

##           v2
## v1         Corporate Auto Personal Auto Special Auto
##   Basic               824          2926          170
##   Extended            402          1467           89
##   Premium             126           450           25
## [1] "El test de chi^2 entre Coverage i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.37334, df = 4, p-value = 0.9846
## 
## [1] "Informació sobre les variables : Coverage(character) i Total.Claim.Amount(numeric)"

##    Basic Extended  Premium 
## 376.8872 483.0171 645.1483 
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Class(character)"

##           v2
## v1         Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   Basic             1954         61         67        206  796          836
##   Extended          1005         35         51        106  371          390
##   Premium            311         15         17         40  107          111
## [1] "El test de chi^2 entre Coverage i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 17.383, df = 10, p-value = 0.0663
## 
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Size(character)"

##           v2
## v1         Large Medsize Small
##   Basic      398    2756   766
##   Extended   216    1360   382
##   Premium     57     429   115
## [1] "El test de chi^2 entre Coverage i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1.7814, df = 4, p-value = 0.7759
## 
## [1] "Informació sobre les variables : Education(character) i EmploymentStatus(character)"

##                       v2
## v1                     Disabled Employed Medical Leave Retired Unemployed
##   Bachelor                   87     1213            87      62        497
##   College                    63     1181            97      67        482
##   Doctor                     17      169            10       0         41
##   High School or Below       80     1095            84      46        565
##   Master                     35      394            22      14         71
## [1] "El test de chi^2 entre Education i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 99.803, df = 16, p-value = 3.772e-14
## 
## [1] "Informació sobre les variables : Education(character) i Gender(character)"

##                       v2
## v1                        F    M
##   Bachelor             1023  923
##   College               965  925
##   Doctor                117  120
##   High School or Below  946  924
##   Master                295  241
## [1] "El test de chi^2 entre Education i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 4.725, df = 4, p-value = 0.3167
## 
## [1] "Informació sobre les variables : Education(character) i Income(integer)"

##             Bachelor              College               Doctor 
##             37564.58             37209.92             42323.97 
## High School or Below               Master 
##             35865.08             43743.82 
## [1] "Informació sobre les variables : Education(character) i Location.Code(character)"

##                       v2
## v1                     Rural Suburban Urban
##   Bachelor               387     1199   360
##   College                383     1187   320
##   Doctor                  69      109    59
##   High School or Below   260     1366   244
##   Master                 169      228   139
## [1] "El test de chi^2 entre Education i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 210.63, df = 8, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Education(character) i Marital.Status(character)"

##                       v2
## v1                     Divorced Married Single
##   Bachelor                  330    1117    499
##   College                   283    1091    516
##   Doctor                     46     158     33
##   High School or Below      241    1042    587
##   Master                    102     337     97
## [1] "El test de chi^2 entre Education i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 70.75, df = 8, p-value = 3.484e-12
## 
## [1] "Informació sobre les variables : Education(character) i Monthly.Premium.Auto(integer)"

##             Bachelor              College               Doctor 
##             92.66033             92.67407             93.39662 
## High School or Below               Master 
##             94.57273             94.74254 
## [1] "Informació sobre les variables : Education(character) i Months.Since.Last.Claim(integer)"

##             Bachelor              College               Doctor 
##             14.96814             15.40635             16.08017 
## High School or Below               Master 
##             14.84759             15.17910 
## [1] "Informació sobre les variables : Education(character) i Months.Since.Policy.Inception(integer)"

##             Bachelor              College               Doctor 
##             47.93165             48.02434             47.62025 
## High School or Below               Master 
##             48.24920             50.33769 
## [1] "Informació sobre les variables : Education(character) i Number.of.Policies(integer)"

##             Bachelor              College               Doctor 
##             2.945529             2.867725             3.139241 
## High School or Below               Master 
##             2.993048             2.904851 
## [1] "Informació sobre les variables : Education(character) i Policy.Type(character)"

##                       v2
## v1                     Corporate Auto Personal Auto Special Auto
##   Bachelor                        427          1442           77
##   College                         389          1407           94
##   Doctor                           38           187           12
##   High School or Below            393          1396           81
##   Master                          105           411           20
## [1] "El test de chi^2 entre Education i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 8.2845, df = 8, p-value = 0.4062
## 
## [1] "Informació sobre les variables : Education(character) i Total.Claim.Amount(numeric)"

##             Bachelor              College               Doctor 
##             424.9294             422.6518             354.4665 
## High School or Below               Master 
##             487.4191             353.8665 
## [1] "Informació sobre les variables : Education(character) i Vehicle.Class(character)"
##                       v2
## v1                     Four-Door Car Luxury Car Luxury SUV Sports Car SUV
##   Bachelor                       987         31         43         78 390
##   College                        989         34         32         97 374
##   Doctor                         122          2          4         17  48
##   High School or Below           910         35         41        124 359
##   Master                         262          9         15         36 103
##                       v2
## v1                     Two-Door Car
##   Bachelor                      417
##   College                       364
##   Doctor                         44
##   High School or Below          401
##   Master                        111
## [1] "El test de chi^2 entre Education i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 26.885, df = 20, p-value = 0.1385
## 
## [1] "Informació sobre les variables : Education(character) i Vehicle.Size(character)"

##                       v2
## v1                     Large Medsize Small
##   Bachelor               176    1394   376
##   College                196    1338   356
##   Doctor                  25     181    31
##   High School or Below   212    1273   385
##   Master                  62     359   115
## [1] "El test de chi^2 entre Education i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 17.343, df = 8, p-value = 0.02673
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Gender(character)"

##                v2
## v1                 F    M
##   Disabled       168  114
##   Employed      2105 1947
##   Medical Leave  150  150
##   Retired         93   96
##   Unemployed     830  826
## [1] "El test de chi^2 entre EmploymentStatus i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 9.5665, df = 4, p-value = 0.0484
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Income(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      19967.05      56372.06      20347.35      20201.58          0.00 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Location.Code(character)"

##                v2
## v1              Rural Suburban Urban
##   Disabled         20      241    21
##   Employed       1137     1911  1004
##   Medical Leave    23      249    28
##   Retired           0      182     7
##   Unemployed       88     1506    62
## [1] "El test de chi^2 entre EmploymentStatus i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1196.6, df = 8, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Marital.Status(character)"

##                v2
## v1              Divorced Married Single
##   Disabled            76     170     36
##   Employed           649    2733    670
##   Medical Leave       46     198     56
##   Retired             72      82     35
##   Unemployed         159     562    935
## [1] "El test de chi^2 entre EmploymentStatus i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1101, df = 8, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Monthly.Premium.Auto(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      92.30496      93.65424      90.49333      92.43386      93.66184 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Last.Claim(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      14.82624      15.14610      15.53333      13.93122      15.16425 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Policy.Inception(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      47.29787      47.89511      48.33000      48.03175      49.24396 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Number.of.Policies(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      2.918440      2.950642      2.756667      2.534392      2.998188 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Policy.Type(character)"

##                v2
## v1              Corporate Auto Personal Auto Special Auto
##   Disabled                  55           215           12
##   Employed                 857          3016          179
##   Medical Leave             66           216           18
##   Retired                   38           143            8
##   Unemployed               336          1253           67
## [1] "El test de chi^2 entre EmploymentStatus i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 3.8065, df = 8, p-value = 0.8741
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Total.Claim.Amount(numeric)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      470.9889      360.6075      479.2102      489.9094      592.1033 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Class(character)"
##                v2
## v1              Four-Door Car Luxury Car Luxury SUV Sports Car  SUV
##   Disabled                135          6          2         17   61
##   Employed               2061         75         92        215  763
##   Medical Leave           158          1          6         14   59
##   Retired                  91          0          6         16   37
##   Unemployed              825         29         29         90  354
##                v2
## v1              Two-Door Car
##   Disabled                61
##   Employed               846
##   Medical Leave           62
##   Retired                 39
##   Unemployed             329
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 22.662, df = 20, p-value = 0.3057
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Size(character)"

##                v2
## v1              Large Medsize Small
##   Disabled         25     189    68
##   Employed        402    2871   779
##   Medical Leave    36     195    69
##   Retired          23     140    26
##   Unemployed      185    1150   321
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 14.469, df = 8, p-value = 0.07033
## 
## [1] "Informació sobre les variables : Gender(character) i Income(integer)"

##        F        M 
## 38067.92 37215.87 
## [1] "Informació sobre les variables : Gender(character) i Location.Code(character)"

##    v2
## v1  Rural Suburban Urban
##   F   719     1988   639
##   M   549     2101   483
## [1] "El test de chi^2 entre Gender i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 40.646, df = 2, p-value = 1.492e-09
## 
## [1] "Informació sobre les variables : Gender(character) i Marital.Status(character)"

##    v2
## v1  Divorced Married Single
##   F      526    1970    850
##   M      476    1775    882
## [1] "El test de chi^2 entre Gender i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 6.2441, df = 2, p-value = 0.04407
## 
## [1] "Informació sobre les variables : Gender(character) i Monthly.Premium.Auto(integer)"

##        F        M 
## 93.16228 93.68592 
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Last.Claim(integer)"

##        F        M 
## 14.99283 15.25439 
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Policy.Inception(integer)"

##        F        M 
## 48.26091 48.21353 
## [1] "Informació sobre les variables : Gender(character) i Number.of.Policies(integer)"

##        F        M 
## 2.932756 2.948292 
## [1] "Informació sobre les variables : Gender(character) i Policy.Type(character)"

##    v2
## v1  Corporate Auto Personal Auto Special Auto
##   F            697          2502          147
##   M            655          2341          137
## [1] "El test de chi^2 entre Gender i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.0066451, df = 2, p-value = 0.9967
## 
## [1] "Informació sobre les variables : Gender(character) i Total.Claim.Amount(numeric)"

##        F        M 
## 414.2984 454.7198 
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Class(character)"

##    v2
## v1  Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   F          1726         52         62        171  657          678
##   M          1544         59         73        181  617          659
## [1] "El test de chi^2 entre Gender i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 6.2817, df = 5, p-value = 0.2798
## 
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Size(character)"

##    v2
## v1  Large Medsize Small
##   F   358    2306   682
##   M   313    2239   581
## [1] "El test de chi^2 entre Gender i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 5.0854, df = 2, p-value = 0.07865
## 
## [1] "Informació sobre les variables : Income(integer) i Location.Code(character)"

##        F        M 
## 414.2984 454.7198 
## [1] "Informació sobre les variables : Income(integer) i Marital.Status(character)"

##        F        M 
## 414.2984 454.7198 
## [1] "Informació sobre les variables : Income(integer) i Monthly.Premium.Auto(integer)"

## [1] "La correlació entre Income i Monthly.Premium.Auto és de: -0.00736765279276711"
## [1] "La covariancia entre Income i Monthly.Premium.Auto és de: -7722.49294981611"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Income i Months.Since.Last.Claim és de: -0.0164875624791082"
## [1] "La covariancia entre Income i Months.Since.Last.Claim és de: -5076.93995067352"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Income i Months.Since.Policy.Inception és de: -0.00399121199920497"
## [1] "La covariancia entre Income i Months.Since.Policy.Inception és de: -3377.45622016002"
## [1] "Informació sobre les variables : Income(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Income i Number.of.Policies és de: -0.0130307790690499"
## [1] "La covariancia entre Income i Number.of.Policies és de: -940.180773221257"
## [1] "Informació sobre les variables : Income(integer) i Policy.Type(character)"

##        F        M 
## 414.2984 454.7198 
## [1] "Informació sobre les variables : Income(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Income i Total.Claim.Amount és de: -0.347834918181524"
## [1] "La covariancia entre Income i Total.Claim.Amount és de: -3052157.01794471"
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Class(character)"

##        F        M 
## 414.2984 454.7198 
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Size(character)"

##        F        M 
## 414.2984 454.7198 
## [1] "Informació sobre les variables : Location.Code(character) i Marital.Status(character)"

##           v2
## v1         Divorced Married Single
##   Rural         218     862    188
##   Suburban      632    2083   1374
##   Urban         152     800    170
## [1] "El test de chi^2 entre Location.Code i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 292.23, df = 4, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Location.Code(character) i Monthly.Premium.Auto(integer)"

##    Rural Suburban    Urban 
## 89.36514 95.50795 90.36720 
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Last.Claim(integer)"

##    Rural Suburban    Urban 
## 15.53864 15.05234 14.88948 
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Policy.Inception(integer)"

##    Rural Suburban    Urban 
## 48.39117 47.89973 49.29768 
## [1] "Informació sobre les variables : Location.Code(character) i Number.of.Policies(integer)"

##    Rural Suburban    Urban 
## 2.984227 2.922964 2.953654 
## [1] "Informació sobre les variables : Location.Code(character) i Policy.Type(character)"

##           v2
## v1         Corporate Auto Personal Auto Special Auto
##   Rural               282           935           51
##   Suburban            835          3076          178
##   Urban               235           832           55
## [1] "El test de chi^2 entre Location.Code i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 2.9644, df = 4, p-value = 0.5638
## 
## [1] "Informació sobre les variables : Location.Code(character) i Total.Claim.Amount(numeric)"

##    Rural Suburban    Urban 
## 108.3871 562.2598 333.6580 
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Class(character)"

##           v2
## v1         Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   Rural              686         11         17         75  212          267
##   Suburban          1999         88        101        226  837          838
##   Urban              585         12         17         51  225          232
## [1] "El test de chi^2 entre Location.Code i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 36.008, df = 10, p-value = 8.392e-05
## 
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Size(character)"

##           v2
## v1         Large Medsize Small
##   Rural      148     992   128
##   Suburban   423    2647  1019
##   Urban      100     906   116
## [1] "El test de chi^2 entre Location.Code i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 218.73, df = 4, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Marital.Status(character) i Monthly.Premium.Auto(integer)"

## Divorced  Married   Single 
## 93.17365 93.18932 94.04446 
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Last.Claim(integer)"

## Divorced  Married   Single 
## 14.86527 15.26302 14.95554 
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Policy.Inception(integer)"

## Divorced  Married   Single 
## 49.57086 47.95060 48.08834 
## [1] "Informació sobre les variables : Marital.Status(character) i Number.of.Policies(integer)"

## Divorced  Married   Single 
## 2.810379 2.966889 2.957852 
## [1] "Informació sobre les variables : Marital.Status(character) i Policy.Type(character)"

##           v2
## v1         Corporate Auto Personal Auto Special Auto
##   Divorced            216           754           32
##   Married             779          2797          169
##   Single              357          1292           83
## [1] "El test de chi^2 entre Marital.Status i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 4.3702, df = 4, p-value = 0.3582
## 
## [1] "Informació sobre les variables : Marital.Status(character) i Total.Claim.Amount(numeric)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Class(character)"

##           v2
## v1         Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   Divorced           536         11         27         54  187          187
##   Married           1867         59         71        205  751          792
##   Single             867         41         37         93  336          358
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 14.818, df = 10, p-value = 0.1388
## 
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Size(character)"

##           v2
## v1         Large Medsize Small
##   Divorced    96     724   182
##   Married    420    2594   731
##   Single     155    1227   350
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 9.092, df = 4, p-value = 0.05884
## 
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 0.0103149744515674"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 3.60062078157751"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 0.0228376779875119"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 21.9078889828639"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Number.of.Policies és de: -0.00940320346217802"
## [1] "La covariancia entre Monthly.Premium.Auto i Number.of.Policies és de: -0.769095857273893"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Monthly.Premium.Auto i Total.Claim.Amount és de: 0.633789148375906"
## [1] "La covariancia entre Monthly.Premium.Auto i Total.Claim.Amount és de: 6304.37660004245"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -0.0393924137888862"
## [1] "La covariancia entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -11.1014161409977"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Months.Since.Last.Claim i Number.of.Policies és de: 0.00980484676620657"
## [1] "La covariancia entre Months.Since.Last.Claim i Number.of.Policies és de: 0.235593146518776"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Months.Since.Last.Claim i Total.Claim.Amount és de: 0.0107578295618635"
## [1] "La covariancia entre Months.Since.Last.Claim i Total.Claim.Amount és de: 31.4368636776821"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Months.Since.Policy.Inception i Number.of.Policies és de: -0.0158894315291808"
## [1] "La covariancia entre Months.Since.Policy.Inception i Number.of.Policies és de: -1.04922724906806"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 0.00680470654380989"
## [1] "La covariancia entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 54.6466209228817"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Number.of.Policies i Total.Claim.Amount és de: -0.00855323524640639"
## [1] "La covariancia entre Number.of.Policies i Total.Claim.Amount és de: -5.85653011733403"
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 401.9312 386.8745 553.8679 
## [1] "Informació sobre les variables : Policy.Type(character) i Total.Claim.Amount(numeric)"

## Corporate Auto  Personal Auto   Special Auto 
##       422.4689       435.9323       452.3996 
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Class(character)"
##                 v2
## v1               Four-Door Car Luxury Car Luxury SUV Sports Car  SUV
##   Corporate Auto           678         23         25         75  267
##   Personal Auto           2451         83        105        257  948
##   Special Auto             141          5          5         20   59
##                 v2
## v1               Two-Door Car
##   Corporate Auto          284
##   Personal Auto           999
##   Special Auto             54
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 2.9373, df = 10, p-value = 0.9829
## 
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Size(character)"

##                 v2
## v1               Large Medsize Small
##   Corporate Auto   137     954   261
##   Personal Auto    510    3394   939
##   Special Auto      24     197    63
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 2.3697, df = 4, p-value = 0.6681
## 
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Class(character)"

## Corporate Auto  Personal Auto   Special Auto 
##       422.4689       435.9323       452.3996 
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Size(character)"

## Corporate Auto  Personal Auto   Special Auto 
##       422.4689       435.9323       452.3996 
## [1] "Informació sobre les variables : Vehicle.Class(character) i Vehicle.Size(character)"

##                v2
## v1              Large Medsize Small
##   Four-Door Car   330    2290   650
##   Luxury Car       12      67    32
##   Luxury SUV        9     100    26
##   Sports Car       35     269    48
##   SUV             125     922   227
##   Two-Door Car    160     897   280
## [1] "El test de chi^2 entre Vehicle.Class i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 26.945, df = 10, p-value = 0.002657